(Luận văn thạc sĩ) vai trò của các tỷ số tài chính trong phát hiện kiệt quệ tài chính bằng chứng từ các công ty phi tài chính tại việt nam

21 Bảng 3.2: Các tỷ số sử dụng trong phương pháp phân tích tỷ lệ và phân tích tỷ lệ xu Bảng 4.2.d: Trung bình và độ lệch chuẩn của nhóm các chỉ số hiệu quả sử dụng tài sản của các công t

LU ẬN VĂN THẠC SĨ KINH TẾ

TP HỒ CHÍ MINH - NĂM 2013

****************

****************

Chuyên ngành: Tài chính - Ngân hàng

Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

Người hướng dẫn khoa học: PGS.TS NGUYỄN THỊ LIÊN HOA

TP HỒ CHÍ MINH - NĂM 2013

L ỜI CAM ĐOAN

Tôi xin cam đoan: bài nghiên cứu này là kết quả nghiên cứu của chính cá nhân tôi, được thực hiện dưới sự hướng dẫn khoa học của PGS.TS Nguyễn Thị Liên Hoa – Giảng viên Trường Đại học Kinh tế Thành phố Hồ Chí Minh

Học viên

Hoàng Th ị Minh Thư

M ỤC LỤC

N ội dung:

Trang

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

TÓM T ẮT 1

1 GI ỚI THIỆU 2

1.1 LÝ DO NGHIÊN CỨU ĐỀ TÀI 2

1.2 CÂU HỎI NGHIÊN CỨU 3

1.3 MỤC TIÊU CỦA BÀI NGHIÊN CỨU 4

1.4 PHẠM VI NGHIÊN CỨU 4

1.5 KẾT CẤU CỦA BÀI NGHIÊN CỨU 4

2 T ỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY 5

2.1 KHÁI QUÁT VỀ LÝ THUYẾT KIỆT QUỆ TÀI CHÍNH 5

2.1.1 Các thu ật ngữ cơ bản 5

2.1.2 Chi phí ki ệt quệ tài chính 5

2.1.3 S ự hữu dụng của dự báo phá sản doanh nghiệp 7

2.2 BẰNG CHỨNG THỰC NGHIỆM VỀ DỰ BÁO PHÁ SẢN DOANH NGHIỆP 8

2.2.1 Nghiên c ứu của William Beaver “Các chỉ số tài chính dự báo phá sản” -1966 8

2.2.2 Nghiên c ứu của Eward Altman – “ Các chỉ số tài chính, phân tích khác biệt và d ự báo phá sản doanh nghiệp” - 1968 9

2.2.3 Các nghiên c ứu điển hình khác 13

2.2.4 Nghiên c ứu của Abbas, Qaiser và Rashid, Abdul –“Mô hình dự báo phá sản cho các doanh nghi ệp phi tài chính – Trường hợp của Pakistan” - 2011 15

2.2.5 Nghiên c ứu của Akbar, Behzad, Seyed và Mohammad –“Sử dụng mô hình Logit trong d ự báo phá sản doanh nghiệp – Bằng chứng từ các doanh nghiệp niêm

y ết tại Iran” - 2012 16

2.3 THẢO LUẬN VỀ CÁC NGHIÊN CỨU DỰ BÁO PHÁ SẢN DOANH NGHIỆP TRÊN THẾ GIỚI VÀ HẠN CHẾ CỦA CÁC NGHIÊN CỨU NÀY 17

3 PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU 19

3.1 PHƯƠNG PHÁP NGHIÊN CỨU, PHẠM VI NGHIÊN CỨU 19

3.2 MÔ HÌNH NGHIÊN CỨU 22

4 N ỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU 31

4.1 KẾT QUẢ ÁP DỤNG MÔ HÌNH CHỈ SỐ Z 31

4.2 KẾT QUẢ ÁP DỤNG PHƯƠNG PHÁP PHÂN TÍCH TỶ LỆ SO SÁNH 44

4.3 KẾT QUẢ ÁP DỤNG PHƯƠNG PHÁP PHÂN TÍCH TỶ LỆ XU HƯỚNG 47 4.4 KẾT QUẢ ÁP DỤNG MÔ HÌNH LOGIT 49

5.K ẾT LUẬN 55

5.1 TỔNG HỢP CÁC KẾT QUẢ NGHIÊN CỨU 55

5.2 CÁC HẠN CHẾ CỦA ĐỀ TÀI NGHIÊN CỨU 56

5.3 ĐỀ XUẤT HƯỚNG NGHIÊN CỨU TIẾP THEO 57

DANH MỤC TÀI LIỆU THAM KHẢO 58

CTCP: Công ty cổ phần

DN: Doanh nghiệp

HOSE: Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh

HNX: Sàn giao dịch chứng khoán Hà Nội

MDA – Multivariate discriminant analysis: Phân tích đa khác biệt

DANH M ỤC BẢNG BIỂU

Trang

Bảng 3.1: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam 21

Bảng 3.2: Các tỷ số sử dụng trong phương pháp phân tích tỷ lệ và phân tích tỷ lệ xu

Bảng 4.2.d: Trung bình và độ lệch chuẩn của nhóm các chỉ số hiệu quả sử dụng tài

sản của các công ty không phá sản 37

Bảng 4.3a: Kiểm định sự bằng nhau của trung bình và phương sai của nhóm các chỉ

Bảng 4.3d: Kiểm định sự bằng nhau của trung bình và phương sai của nhóm các chỉ

số hiệu quả sử dụng tài sản 39

Bảng 4.4: Các biến đưa vào mô hình nghiên cứu tại Việt Nam 40

Bảng 4.5: Hệ số của mô hình nghiên cứu tại Việt Nam 41

Bảng 4.6: Giá trị Z tối ưu trong nghiên cứu tại Việt Nam 41

Bảng 4.7: Kết quả phân loại của mô hình nghiên cứu tại Việt Nam 42

Bảng 4.8: Wilks' Lambda của mô hình nghiên cứu tại Việt Nam 44

Bảng 4.9: Kết quả phân loại của phương pháp phân tích tỷ lệ cho các công ty phá sản tại Việt Nam 45

Bảng 4.10: Kết quả phân loại của phương pháp phân tích tỷ lệ cho các công ty không phá sản tại Việt Nam 46

Bảng 4.11: Kết quả phân loại của phương pháp phân tích tỷ lệ xu hướng cho các công ty phá sản tại Việt Nam 48

Bảng 4.12: Tổng hợp kết quả các phương pháp nghiên cứu tại Việt Nam 49

Bảng 4.13: Kiểm định T sự bằng nhau của giá trị trung bình 50

Bảng 4.14: Kết quả mô hình hồi quy Logit 51

Bảng 4.15: Kết quả phân loại mô hình Logit 51

Bảng 4.16: Kết quả kiểm định Wald 52

Bảng 4.17: Kết quả kiểm định forward Wald 53

Bảng 4.18: Kết quả phân loại của kiểm định forward Wald 53

TÓM TẮT

Bài nghiên cứu nhằm xác định mối quan hệ giữa các tỷ số tài chính và kiệt quệ tài chính của các công ty phi tài chính niêm yết trên thị trường chứng khoán Việt Nam trong giai đoạn từ năm 2008 đến tháng 9 năm 2013 Hay nói một cách khác, bài nghiên cứu này kiểm định rằng có hay không các tỷ số tài chính có thể dự báo được tín hiệu kiệt quệ tài chính trong bối cảnh hoạt động kinh doanh bình thường Phương pháp sử dụng trong nghiên cứu này bao gồm phương pháp phân tích đa biệt

thức (MDA), phương pháp so sánh tỷ lệ, phương pháp phân tích tỷ lệ xu hướng và

mô hình Logit Kết quả của phương pháp MDA là tỷ lệ dự đoán chính xác là 70%

và phương pháp mô hình Logit là 88,9%

Kết quả thực nghiệm cho thấy rằng, các tỷ số tài chính có đủ sức mạnh để dự đoán

dấu hiệu kiệt quệ tài chính trên thị trường chứng khoán tại Việt Nam Kết quả này cũng phù hợp với các nghiên cứu gần đây của Beaver cho thị trường Châu Âu, nghiên cứu của Abbas và cộng sự tại Pakistan, nghiên cứu Akbar, Behzad, Seyed và Mohammad tại Iran Các kết quả thực nghiệm của nghiên cứu này có thể được sử

dụng như một bàn đạp để cho các nhà nghiên cứu trong tương lai - những người quan tâm trong việc tìm kiếm dự đoán tốt nhất cho sự phá sản phát triển một mô hình dự báo và đánh giá độ chính xác phân loại của nó

1 GIỚI THIỆU

1.1 LÝ DO NGHIÊN C ỨU ĐỀ TÀI

Có rất nhiều lý do khiến cho một doanh nghiệp biến mất khỏi thị trường Nguyên nhân có thể là bị kiệt quệ tài chính, thanh lý hoặc bị sát nhập vào một công ty khác Trong bối cảnh hội nhập kinh tế ngày càng sâu rộng, sự cạnh tranh giữa các doanh nghiệp (DN) trên thị trường ngày càng lớn nên sự rút lui hay phá sản của một bộ

phận DN là điều không thể tránh khỏi Đặc biệt, do những tác động tiêu cực của

cuộc khủng hoảng kinh tế toàn cầu hiện nay, tình trạng khó khăn của nền kinh tế đã

và đang dẫn tới sự phá sản hàng loạt của các DN, kể cả các DN ở các nước phát triển và các nước đang phát triển trong đó có Việt Nam DN phá sản sẽ gây ra nhiều tác động tiêu cực cho cả xã hội và nền kinh tế

Về mặt kinh tế: Một doanh nghiệp bị phá sản trong điều kiện ngày nay có thể dẫn đến những tác động tiêu cực Khi quy mô của doanh nghiệp phá sản càng lớn, tham gia vào quá trình phân công lao động của ngành nghề đó càng sâu và rộng, số lượng

bạn hàng ngày càng đông, thì sự phá sản của nó có thể dẫn đến sự phá sản hàng loạt

của các doanh nghiệp bạn hàng theo "hiệu ứng domino" - phá sản dây chuyền

Về mặt xã hội: Phá sản doanh nghiệp để lại những hậu quả tiêu cực nhất định về

mặt xã hội bởi nó làm tăng số lượng người thất nghiệp, làm cho sức ép về việc làm ngày càng lớn và có thể làm nảy sinh các tệ nạn xã hội, thậm chí các tội phạm

Về mặt chính trị: Phá sản dây chuyền sẽ dẫn tới sự suy thoái và khủng hoảng nền kinh tế quốc gia, thậm chí khủng hoảng kinh tế khu vực và đây là nguyên nhân trực

tiếp dẫn đến những khủng hoảng sâu sắc về chính trị

Từ những phân tích trên, chúng ta thấy DN bị phá sản sẽ trở thành vấn đề thu hút sự quan tâm của nhiều bên liên đới, bao gồm những người có lợi ích trực tiếp từ DN như cổ đông, công nhân viên, chủ nợ và cả những người ít liên quan trực tiếp tới

DN như các nhà quản lý và chính phủ Như vậy phá sản doanh nghiệp có thể gây ra

những chấn thương đáng kể (tức là chi phí cao và tổn thất nặng nề) đến các bên liên quan, nên việc dự đoán nó là rất có lợi Điều này thúc đẩy các nhà nghiên cứu phải

đi tìm những công cụ để phát hiện các triệu chứng bất lợi trước khi một thực thể công ty biến mất Fitzpatrick (1931) và Merwin (1942) là những nhà nghiên cứu đầu tiên đã cố gắng để xác định sức mạnh tiềm năng của các chỉ số tài chính như là tín hiệu dự báo kiệt quệ tài chính Sau đó, Altman (1968) đã giới thiệu phương pháp

phức tạp và tinh vi hơn đó là phương pháp phân tích đa biệt thức, sử dụng các chỉ tiêu tài chính như một công cụ để báo hiệu kiệt quệ tài chính

Mục đích của bài nghiên cứu này là để kiểm tra khả năng dự báo kiệt quệ tài chính

của các tỷ số tài chính bằng các kỹ thuật đã được nghiên cứu, phát triển và được

chấp nhận rộng rãi Để làm được điều này, bài nghiên cứu sử dụng phương pháp phân tích tỷ lệ so sánh, phân tích tỷ lệ xu hướng, mô hình chỉ số Z và mô hình Logit Cần lưu ý rằng bài nghiên cứu này không nhằm mục đích để tìm các chỉ số

tốt nhất cho dự báo kiệt quệ tài chính tại Việt Nam, mặc dù một số chi tiết kỹ thuật

của mô hình logit và mô hình chỉ số Z được ước tính để tìm ra sức mạnh giải thích

tốt nhất trong việc dự đoán khả năng kiệt quệ tài chính

1.2 CÂU H ỎI NGHIÊN CỨU

Các câu hỏi đề cập đến trong bài nghiên cứu này là:

Thông tin báo cáo tài chính có thể được sử dụng để phân biệt giữa nguy cơ phá sản

và không phá sản các công ty Việt Nam trong điều kiện hoàn cảnh kinh tế bình thường không?

Câu hỏi nghiên cứu được phát triển để đáp ứng với các vấn đề nghiên cứu Ngoài ra, các câu hỏi sẽ giúp xác định rõ ràng hơn ranh giới nghiên cứu

1.3 M ỤC TIÊU CỦA BÀI NGHIÊN CỨU

Để điều tra thông tin báo cáo tài chính có đủ phân loại có khả năng phá sản và không phá sản của các công ty trong bối cảnh Việt Nam trong hoàn cảnh kinh tế bình thường

Phạm vi nghiên cứu của đề tài này là các công ty cổ phần thuộc khu vực phi tài chính bị hủy niêm yết trên sàn chứng khoán HOSE và HNX bởi Ủy ban chứng khoán và sàn giao dịch từ năm 2008 đến tháng 9 năm 2013 vì tính thanh khoản yếu kém hay hoạt động kinh doanh thua lỗ kéo dài

Đề tài nghiên cứu này được người viết trình bày theo thứ tự như sau:

Phần 1: Giới thiệu

Phần 2: Tổng quan các nghiên cứu trước đây

Phần 3: Phương pháp và mô hình nghiên cứu

Phần 4: Kết quả nghiên cứu

Phần 5: Kết luận và hướng phát triển của đề tài nghiên cứu

2 TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY

Trong phần này, người viết giới thiệu về các thuật ngữ cơ bản được sử dụng trong

dự báo phá sản doanh nghiệp, các chi phí kiệt quệ tài chính và tính hữu ích của mô hình dự báo phá sản doanh nghiệp Mặt khác, phần này người viết cũng nhằm mục đích mô tả các yếu tố quan trọng trong dự báo phá sản doanh nghiệp

2.1.1 Các thu ật ngữ cơ bản

Kiệt quệ tài chính (financial distress) xảy ra khi doanh nghiệp không đáp ứng được các hứa hẹn với chủ nợ hay đáp ứng một cách khó khăn Đôi khi, kiệt quệ tài chính đưa đến phá sản, đôi khi nó chỉ có nghĩa là công ty đang gặp khó khăn, rắc rối về tài chính Như vậy kiệt quệ tài chính bao gồm nguy cơ phá sản và sự phá sản

2.1.2 Chi phí ki ệt quệ tài chính

Trên quan điểm của lý thuyết đánh đổi, giá trị doanh nghiệp sẽ được phân chia thành ba phần:

-

Hiện giá của chi phí kiệt

quệ tài chính

Chi phí kiệt quệ tài chính tùy thuộc vào xác suất kiệt quệ và độ lớn của chi phí phải gánh chịu nếu kiệt quệ tài chính xảy ra

Giá trị công ty PV (chi phí kiệt

Hình 2.1 – Cấu trúc vốn tối ưu và giá trị doanh nghiệp

Ngu ồn: Trần Ngọc Thơ và cộng sự, 2007 Tài chính doanh nghiệp hiện đại Hồ

Chí Minh: nhà xu ất bản Thống kê, trang 380.

Hình trên cũng cho thấy sự đánh đổi giữa lợi ích thuế và chi phí kiệt quệ tài chính

ấn định cấu trúc vốn tối ưu như thế nào Khi tỷ lệ nợ ngày càng tăng, cùng với sự gia tăng từ lợi ích tấm chắn thuế thì chi phí kiệt quệ tài chính cũng gia tăng Đến

một lúc nào đó, khi mà với mỗi tỷ lệ nợ tăng thêm, hiện giá lợi ích từ tấm chắn thuế không cao hơn hiện giá chi phí kiệt quệ tài chính thì việc vay nợ không còn mang

lại lợi ích cho doanh nghiệp mà ngược lại còn làm cho tổng giá trị doanh nghiệp

giảm dần Theo lý thuyết này, một doanh nghiệp nên gia tăng nợ cho đến khi giá trị

từ hiện giá của tấm chắn thuế vừa đủ để được bù trừ bằng gia tăng trong hiện giá

của các chi phí kiệt quệ tài chính

Chi phí kiệt quệ tài chính bao gồm:

(i) Chi phí kiệt quệ tài chính nhưng chưa đưa đến phá sản: chi phí xuất phát từ các quyết định sai lầm trong quá trình hoạt động và đầu tư có thể được đưa ra do các mâu thuẫn quyền lợi giữa trái chủ và cổ đông khi doanh nghiệp rơi vào tình

trạng kiệt quệ tài chính Các cổ đông hành động vì quyền lợi cá nhân có thể chuyển

rủi ro từ họ sang cho các chủ nợ gánh chịu, bằng cách thi hành các trò chơi làm

giảm tổng giá trị của doanh nghiệp Các trò chơi ở đây có thể là “ dịch chuyển rủi ro”, “từ chối đóng góp cổ phần”, “ thu tiền và bỏ chạy”, “ thả mồi bắt bóng”, “ kéo dài thời gian”… Sự gia tăng các chi phí soạn thảo, giám sát và thực thi các hợp đồng vay khi ngăn ngừa các trò chơi này

(ii) Chi phí phá sản: Các chi phí trực tiếp gắn liền với việc phá sản như chi phí pháp lý, hành chính, chi phí kế toán và các chi phí gián tiếp phản ánh các khó khăn trong việc quản lý một công ty đang bị tái tổ chức như chi phí do mất khách hàng,

mất nhân viên có năng lực…

2.1.3 S ự hữu dụng của dự báo phá sản doanh nghiệp

Rõ ràng là phá sản doanh nghiệp có thể gây ra chấn thương đáng kể cho các bên liên quan Nghiên cứu của Fitzpatrick (1931) cho rằng có bảy nhóm các bên liên quan bị ảnh hưởng bởi phá sản doanh nghiệp đó là người lao động, cộng đồng, cổ đông, các chủ nợ, ngân hàng, người sở hữu trái phiếu, hội đồng quản trị và chính

phủ Sự hữu ích của dự báo phá sản doanh nghiệp có thể giúp cho các bên liên quan tránh hoặc ít nhất là giảm thiểu các tác động bất lợi của phá sản doanh nghiệp

Dự báo phá sản doanh nghiệp được sử dụng rộng rãi trong những mục tiêu khác nhau của các bên liên quan Ví dụ như nhà quản lý, chủ sở hữu sử dụng dự đoán phá

sản doanh nghiệp như là một công cụ cảnh báo sớm và có thể sẽ có những hành động thích hợp để tránh phá sản doanh nghiệp Các nhà đầu tư, cổ đông sử dụng dự báo kiệt quệ tài chính để ngăn chặn những thiệt hại đáng kể họ phải chịu khi công ty thanh lý phá sản Chủ nợ (tức ngân hàng và các tổ chức tài chính) sử dụng các kỹ thuật dự báo phá sản doanh nghiệp trong việc kiểm tra mức độ rủi ro danh mục đầu

tư của họ hoặc có thể để đánh giá xác suất của sự thất bại nếu cho vay mới Kiểm

toán viên sử dụng phương pháp dự báo phá sản trong việc đánh giá có hay không

một công ty đang trên bờ vực của sự phá sản Cuối cùng, cơ quan quản lý sử dụng các kỹ thuật khác nhau để giám sát tình hình tài chính của các công ty theo quy định

Đây là những khía cạnh quan trọng của dự báo phá sản doanh nghiệp Phần tiếp theo người viết sẽ trình bày tóm tắt lại các kết quả nghiên cứu của một số tác giả trên thế giới về dự báo phá sản doanh nghiệp, cụ thể như sau:

dự báo phá sản doanh nghiệp thông qua việc quan sát các chỉ số tài chính này Tổng

cộng đã có 30 chỉ số tài chính được chia thành 5 nhóm (các tỷ số dòng tiền, tỷ số doanh thu thuần, tỷ số nợ phải trả trên tổng tài sản, chỉ số tài sản thanh khoản trên

tổng tài sản, chỉ số tài sản thanh khoản nhanh, các tỷ số vòng quay) đã được sử

Chỉ tiêu này phản ảnh tính cân đối giữa khả năng tạo tiền của doanh nghiệp với số

nợ mà doanh nghiệp phải thanh toán, và do đó nó thể hiện rõ ràng nhất khả năng thanh toán của doanh nghiệp Bên cạnh khả năng sinh lời của tài sản (thu nhập

thuần/tổng tài sản) và hệ số nợ (tổng nợ phải trả/tổng tài sản) cũng là những chỉ tiêu quan trọng trong việc phát hiện dấu hiệu khủng hoảng và phá sản doanh nghiệp bởi

vì các chỉ tiêu này phản ảnh hiệu quả hoạt động kinh doanh của doanh nghiệp và

mức độ rủi ro tài chính mà doanh nghiệp đang mắc phải

2.2.2 Nghiên c ứu của Eward Altman – “ Các chỉ số tài chính, phân tích khác biệt

và d ự báo phá sản doanh nghiệp” - 1968

Bài nghiên cứu đã sử dụng phương pháp tiếp cận đa biệt thức thay thế cho các phương pháp phân tích chỉ số truyền thống trước đây Có thể nói Altman là người tiên phong giới thiệu phương pháp tiếp cận đa biệt thức trong lĩnh vực dự báo phá

sản doanh nghiệp Altman đã nghiên cứu mẫu bao gồm 66 công ty với 33 công ty ở

mỗi nhóm Nhóm phá sản (kiệt quệ) (nhóm 1) là những công ty đã nộp đơn phá sản theo chương 10 của Luật Phá Sản Hoa Kỳ trong giai đoạn từ 1946 đến 1965 Nhóm

2 bao gồm một mẫu ghép đôi của các công ty với điều kiện cùng ngành và kích cỡ doanh nghiệp Phạm vi tài sản của các công ty trong nhóm 2 cũng bị giới hạn nghiêm ngặt từ 1 triệu USD đến 25 triệu USD

Sau đó, Atlman đã tiến hành thu thập các bảng báo cân đối kế toán và báo cáo kết

quả hoạt động kinh doanh và một danh sách gồm 22 biến hữu ích được thu thập để đánh giá Các biến được phân thành 5 nhóm, bao gồm nhóm các chỉ số thanh khoản, nhóm chỉ số lợi nhuận, nhóm chỉ số đòn bẩy, nhóm chỉ số khả năng thanh toán và nhóm chỉ số hoạt động Kết quả có 5 tỷ số đã được chọn vì chúng thể hiện tốt nhất trong việc liên kết dự báo phá sản các công ty Biệt thức cuối cùng được thể hiện như sau:

Z = 0,012X1 + 0,014X2 + 0,033X3 + 0,006X4 + 0,999X5

Trong đó:

X1 = Working capital/Total assets = Vốn luân chuyển/Tổng tài sản,

X2 = Retained earning/ Total assets = Lợi nhuận giữ lại/Tổng tài sản,

X3 = Earning before tax and interest/Total assets = EBIT/Tổng tài sản,

X4 = Market value equity/Book value of total liabilities = Giá trị thị trường

của vốn chủ sở hữu/Giá trị sổ sách của nợ phải trả,

X5 = Sales/Total assets = Tổng doanh thu/Tổng tài sản,

Z = Overal index = chỉ số tổng hợp

Trong mô hình này, các biến từ đến X1 đến X4 đều phải được tính toán bằng giá trị

phần trăm Riêng biến X5 được giữ nguyên, không tính tỷ lệ phần trăm

Các điểm ngưỡng cho chỉ số Z như sau:

Z < 1,81: Phá s ản 1,81 < Z < 2,99: Không rõ ràng 2,99 < Z: Lành mạnh

Mẫu ban đầu gồm 33 công ty mỗi nhóm, được sử dụng bằng cách sử dụng dữ liệu báo cáo tài chính thu thập một năm trước khi phá sản Bởi vì các hệ số biệt thực và các phân phối nhóm được xây dựng từ mẫu nghiên cứu này, nên sự phân loại được

kỳ vọng rất cao Điều này xảy ra bởi vì các công ty được phân loại bằng sử dụng

chức năng đa biệt thức, thực tế, là dựa vào các công cụ đo lường riêng lẻ cho cùng các công ty này Ma trận phân loại cho mẫu gốc được biểu diễn trong bảng 2.1:

B ảng 2.1: Ma trận phân loại mẫu gốc trong mẫu nghiên cứu Atlman (1968)

Thực tế Dự đoán

Nhóm 1 Nhóm 2 Nhóm 1 31 2

Nhóm 2 1 32

Số đúng Phần trăm

chính xác

Phần trăm không chính xác

Mẫu n

Kiểu I 31 94 6 33

Kiểu II 32 97 3 33

Tổng 63 95 5 66

Mô hình thể hiện cực kỳ chính xác trong việc phân loại đúng 95% cho tổng các công ty trong mẫu Còn nhóm I sai số chỉ có 6% trong lúc nhóm II thậm chí còn ít hơn 3% Những kết quả này là rất tốt như kỳ vọng

Sau nhiều năm phát triển, mô hình được thay đổi một số đặc điểm kĩ thuật để việc

vận dụng được thuận tiện hơn:

Mô hình Z - Score của Altman (1993) đã ước đoán chính xác 66% doanh nghiệp bị phá sản và 78% doanh nghiệp không bị phá sản trước đó một năm Nhờ những dự đoán khá chính xác của mô hình này nên chỉ số được sử dụng không chỉ tại Mỹ mà còn được phổ biến tại nhiều quốc gia trên thế giới Tuy nhiên, mô hình này không

chỉ ra được thời gian phá sản dự kiến, vì việc phá sản của một doanh nghiệp còn

phụ thuộc vào tình hình kinh tế, việc phá sản hợp pháp không bao giờ có thể xảy ra

mà bất chấp tình hình khủng hoảng Từ chỉ số Z ban đầu được sử dụng cho các doanh nghiệp đã cổ phần hóa, Altman phát triển thêm Z’, Z’’ để có thể áp dụng loại hình cho các loại hình doanh nghiệp khác:

Mô hình Z’- score dùng cho các doanh nghiệp chưa cổ phần hóa, ngành sản xuất: Z’ = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5

Trong đó các biến đều được giữ nguyên với mô hình cũ, ngoại trừ biến X4 X4 trong chỉ số Z sử dụng giá trị thị trường của vốn chủ sở hữu, còn trong chỉ số Z’, X4

sử dụng giá trị sổ sách

Z’ > 2,9 : Lành m ạnh

1,23 < Z’ < 2,9: Không rõ ràng

Z’ < 1,23 : Phá s ản

Ngoài ra từ mô hình gốc Z-Score của mình, Altman đã thực hiện phân tích đặc điểm

và độ chính xác của một mô hình khi không có biến X5 – Sales/Total assets – doanh thu/tổng tài sản nhằm giảm thiểu ảnh hưởng do ngành Tỷ số doanh thu/tổng tài sản thay đổi rất lớn theo ngành, tỷ số này ở các công ty thương mại dịch vụ lớn hơn so

với các công ty sản xuất vì các công ty thương mại cần ít vốn hơn Thêm vào đó, Altman cũng dùng mô hình này để đánh giá tình trạng tài chính của các của các DN ngoài Hoa Kỳ Cụ thể, Altman, Hatzell và Peck (1995) đã áp dụng mô hình Z’’- Score cho các công ty thuộc các nền kinh tế mới nổi, đặc biệt các công ty Mexico

đã phát hành trái phiếu Euro tính theo USD Giá trị sổ sách của vốn chủ sở hữu được dùng cho biến X4 trong trường hợp này Kết quả phân loại đồng nhất với mô hình 5 biến Z’-Score Mô hình mới Z’’-Score là:

Giống với chỉ số Z’, biến X4 trong chỉ số Z” vẫn sử dụng giá trị sổ sách của vốn

chủ sở hữu Điểm sửa đổi của mô hình này là không sử dụng biến X và dẫn đến hệ

số của các biến từ X1 đến X4 đều thay đổi so với chỉ số Z’ Chỉ số Z” có thể được dùng cho hầu hết các ngành và các loại hình doanh nghiệp

Tuy nhiên, phiên bản sửa đổi mới nhất được gọi là mô hình điểm thị trường mới nổi (EMS) (Altman & Hotchkiss 2006), được phát triển cho các doanh nghiệp hoạt động ở các nước đang phát triển Mô hình thị trường mới nổi (EMS) được phát triển vào giữa những năm 1990 để đạt được cải thiện độ chính xác khi dự đoán xác suất

vỡ nợ của các công ty phi sản xuất và các công ty trong thị trường mới nổi Mô hình EMS chỉ bao gồm bốn biến cùng với một giá trị không đổi như sau:

Mô hình EMS được áp dụng để kiểm định cả trường hợp của Enron và Worldcom

và mô hình cũng cho thấy những dấu hiệu xấu được cảnh báo Điểm EMS của Enron dưới mức an toàn ở tháng 6/2001 trước khi nộp đơn phá sản vào tháng 12/2001 theo chương 11 của luật phá sản Hoa Kỳ, trong khi đó số điểm EMS của Wordcom dưới mức an toàn ở cuối quý I của năm 2002, trước khi nộp đơn phá sản vào giữa tháng 7/2002 (Altman & Hotchkiss 2006) Điều này cho thấy một kết quả

ấn tượng đối với các mô hình EMS khi áp dụng cho các công ty phi sản xuất Ngoài

ra, rõ ràng là ứng dụng của mô hình tại các thị trường mới nổi ví dụ Mexico, Brazil

và Argentina mang lại kết quả thành công trong việc dự đoán sự sụp đổ của công ty (Altman & Hotchkiss 2006)

2.2.3 Các nghiên c ứu điển hình khác

Deakin (1972) sử dụng 14 tỷ lệ tương tự như Beaver (1968) được sử dụng trong nghiên cứu của mình Một mẫu gồm 32 công ty phá sản ở Mỹ và 32 công ty không phá sản từ năm 1962 và 1966 đã được lựa chọn trong nghiên cứu này Việc kết hợp

dựa trên ba tiêu chí: phân loại ngành công nghiệp, quy mô tài sản, và năm của dữ

liệu tài chính có sẵn 14 chỉ số đã được lựa chọn để đại diện cho một tập hợp các

yếu tố dự báo trong nghiên cứu này Kết quả cho thấy tổng thể dự đoán chính xác

của mô hình là 97% khi sử dụng báo cáo tài chính cuối cùng trước khi phá sản Edmister (1972) đã tiến hành nghiên cứu tập trung vào mô hình tỷ lệ tài chính cho các công ty kinh doanh nhỏ đã phá sản Các mẫu được lấy dữ liệu từ giữa năm 1954

và năm 1969 Một mẫu của 42 công ty ở Mỹ và có tổng cộng bảy chỉ tiêu tài chính

đã được lựa chọn Edmister (1972) phát hiện bảy tỷ lệ phân loại một cách chính xác

39 trong tổng số 42 công ty Có nghĩa là, sức mạnh tổng thể dự đoán của mô hình là 93%

Trong nghiên cứu Blum (1974), mẫu nghiên cứu bao gồm 115 công ty ở Mỹ đã phá

sản và 115 công ty ở Mỹ không phá sản trong những năm 1954-1968 Các tiêu chuẩn phù hợp giữ hai nhóm này là ngành công nghiệp, doanh số bán hàng, số lượng nhân viên và năm tài chính Blum (1974) tạo chức năng phân biệt 12 biến

Kết quả cho thấy tổng thể dự đoán của mô hình chính xác ở mức khoảng 94% khi

sử dụng báo cáo một năm trước khi thất bại

Mặc dù MDA đã được sử dụng trong phần lớn các nghiên cứu trước đó (ví dụ, trong các nghiên cứu của Altman 1968; Blum 1974; Deakin 1972; Edmister 1972; và Norton & Smith 1979), giá trị của kết quả của nó đã bị chỉ trích vì các giả định

thống kê của nó chẳng hạn như một phân phối chuẩn của tỷ lệ và sự bằng nhau của các ma trận hiệp phương sai của các tỷ lệ cho cả hai nhóm Các giả định chặt chẽ về

việc áp dụng phân tích đa biệt thức dẫn các nhà nghiên cứu để phát triển các công

cụ thống kê đa biến khác để khắc phục những hạn chế này Sau những năm 1980, MDA đã bắt đầu mất phổ biến với các nhà nghiên cứu và đã được thay thế bởi mô hình ít đòi hỏi kỹ thuật thống kê Một trong những kỹ thuật thống kê đòi hỏi ít giả định hạn chế là phân tích logit (Balcaen & Ooghe 2006)

Nghiên cứu của Ohlson (1980) áp dụng một ước tính xác suất phá sản và phát triển

mô hình logit từ 105 công ty bị phá sản ở Mỹ và 2.058 các công ty không bị phá sản

ở Mỹ trong giai đoạn từ 1970-1976 Mô hình Ohlson (1980) bao gồm 9 biến mở

rộng Bài nghiên cứu tìm ra mô hình logit dự đoán chính xác 96% một năm trước khi phá sản

Ugurlu và Aksoy (2006) sử dụng cả hai mô hình logit và một mô hình MDA để điều tra doanh nghiệp phá sản và so sánh sự chính xác của hai mô hình trong một thị trường mới nổi, Thổ Nhĩ Kỳ Một mẫu của 27 phá sản và 27 công ty không phá sản

đã được chọn trên thị trường chứng khoán Istanbul trong 1996-2003 Dữ liệu tài chính 1996-2003 đã được thu thập để phát triển các biến 11 biến được đưa vào mô hình logit và 10 biến được đưa vào mô hình dựa trên MDA Bài nghiên cứu cho

thấy mô hình logit vượt trội so với mô hình MDA

2.2.4 Nghiên c ứu của Abbas, Qaiser và Rashid, Abdul –“Mô hình dự báo phá sản cho các doanh nghi ệp phi tài chính – Trường hợp của Pakistan” - 2011

Đây là một trong những nghiên cứu thực nghiệm mà người viết đã chọn làm nền

tảng để tiến hành thực hiện bài nghiên cứu của mình Nghiên cứu tiến hành đã nghiên cứu các chỉ số tài chính có vai trò quan trọng trong dự báo phá sản DN ở khu

vực phi tài chính của Pakistan dựa vào mẫu dữ liệu các công ty phá sản trong giai đoạn 1996 – 2006

Mẫu nghiên cứu bao gồm tất cả các công ty cổ phần thuộc khu vực phi tài chính bị

hủy niêm yết trên sàn chứng khoán Karachi (KSE) do thanh khoản hoặc chấm dứt

hoạt động theo lệnh của tòa án; hoặc bị chấm dứt hoạt động của một công ty bởi Ủy ban chứng khoán và sàn giao dịch (Pakistan Securities and Exchange Commission

of Pakistan (SECP) Đồng thời, công ty phá sản phải có một công ty tương tự nhưng không bị phá sản ở cùng ngành và có tổng tài sản gần bằng nhau ở thời điểm 1 năm trước khi phá sản và các công ty này có thông tin tài chính ít nhất 5 năm Như vậy,

tổng cộng có 52 công ty bao gồm 26 công ty phá sản và 26 công ty không phá sản được sử dụng trong bài nghiên cứu

Bài nghiên cứu sử dụng 24 tỷ số tài chính như những biến độc lập và chia thành bốn nhóm chỉ số: khả năng sinh lợi, tính thanh khoản, đòn bẩy tài chính và hiệu quả sử

dụng tài sản, và được kiểm nghiệm độc lập cho các công ty phá sản và không phá

sản trong vòng 5 năm trước khi phá sản

Kết quả nghiên cứu của nhóm tác giả đã rút ra giá trị Z cuối cùng được theo công

thức sau:

Z = 1,147 X1 + 0,701 X2 - 0,732 X3

Trong đó:

Z: giá trị phân biệt

X1: doanh thu/tổng tài sản

X2: EBIT/nợ ngắn hạn

X3: chỉ số dòng tiền mặt

Điểm giữa của trọng tâm nhóm phá sản và không phá sản là 0, cho thấy trong mỗi năm trước phá sản, xu hướng của công ty có giá trị Z > 0 thì không phá sản, trong khi công ty có Z < 0 thì tiến dần tới phá sản Công ty có Z=-0,724 được xếp vào nhóm phá sản và công ty có Z=0,724 được xếp vào nhóm không phá sản Mô hình phân loại chính xác đến 76,9%, cho thấy khả năng phân loại cao của 3 biến tài chính

có ý nghĩa trong mẫu phân tích Độ chính xác này hàm ý tiềm năng áp dụng vào

thực tế của mô hình trong dự báo phá sản ở Pakistan

2.2.5 Nghiên c ứu của Akbar, Behzad, Seyed và Mohammad –“Sử dụng mô hình Logit trong d ự báo phá sản doanh nghiệp – Bằng chứng từ các doanh nghiệp niêm

cứu sử dụng mô hình Logit để dự báo phá sản Tổng cộng có 19 tỷ số tài chính được

2.3 THẢO LUẬN VỀ CÁC NGHIÊN CỨU DỰ BÁO PHÁ SẢN DOANH

Các nghiên cứu của các tác giả nêu ở mục 2.2 đều nhằm mục đích tìm ra mô hình

dự báo phá sản DN Các tác giả này đều sử dụng kỹ thuật phân tích các tỷ số tài chính để dự báo tình trạng phá sản của một DN Ở mỗi nghiên cứu, các tác giả sử

dụng nhiều tỷ số tài chính khác nhau để đưa vào phân tích nhưng tựu trung lại các

tỷ số tài chính này đều đại diện cho 4 khía cạnh tài chính quan trọng của doanh nghiệp là tính thanh khoản, đòn bẩy tài chính, khả năng sinh lợi và hiệu quả sử dụng tài sản Theo đó:

– Các tỷ số đo lường tính thanh khoản được tính toán và sử dụng để quyết định xem liệu một doanh nghiệp nào đó có khả năng thanh toán các nghĩa vụ phải trả

ngắn hạn hay không? Chỉ số này càng thấp ám chỉ DN sẽ gặp khó khăn đối với việc

thực hiện các nghĩa vụ của mình nhưng một chỉ số thanh toán hiện hành quá cao cũng không luôn là dấu hiệu tốt, bởi vì nó cho thấy tài sản của doanh nghiệp bị cột

chặt vào “tài sản lưu động” quá nhiều và như vậy thì hiệu quả sử dụng tài sản của doanh nghiệp là không cao

– Các tỷ số đòn bẩy tài chính sẽ đo lường mức độ nợ, khả năng trả nợ của DN Các tỷ số này để chỉ sự kết hợp giữa nợ phải trả và vốn chủ sở hữu trong việc điều hành chính sách tài chính của doanh nghiệp Đòn bẩy tài chính sẽ rất lớn trong các doanh nghiệp có tỷ trọng nợ phải trả cao hơn tỷ trọng của vốn chủ sở hữu Ngược

lại, đòn bẩy tài chính sẽ thấp khi tỷ trọng nợ phải trả nhỏ hơn tỷ trọng của vốn chủ

cổ tức cho các cổ đông, và được sử dụng để trả hết tiền cho vay của các chủ nợ Do

đó, giá trị cao hơn của tỷ suất lợi nhuận có thể sẽ được kết hợp với khả năng thấp hơn của kiệt quệ tài chính Các DN không thể tạo ra lợi nhuận cùng với những khoản lỗ tích lũy sẽ dẫn đến phá sản

– Các tỷ số đo lường hiệu quả sử dụng tài sản cho thấy DN sử dụng tài sản

hiệu quả hay có hiệu suất cao sẽ dễ tạo ra lợi nhuận và vì vậy nguy cơ phá sản sẽ

thấp

Kết quả nghiên cứu của các tác giả cũng khác nhau do sự khác biệt về mẫu nghiên

cứu ở các nền kinh tế khác nhau trong từng giai đoạn nghiên cứu khác nhau và phương pháp nghiên cứu khác nhau, phần lớn các nghiên cứu thực nghiệm trên thế

giới đều cho chúng ta thấy rằng có thể phát hiện được các dấu hiệu phá sản của DN

từ các mô hình dự báo Tuy nhiên, bên cạnh những kết quả đạt được, các nghiên

cứu của các tác giả này cũng có những hạn chế sau:

1) Hầu hết các nghiên cứu nổi tiếng trong lĩnh vực này được tiến hành ở các nước phương Tây như Mỹ và, mặc dù ngoài các nghiên cứu được đề cập trong luận án,

chỉ có một số ít các nghiên cứu thực nghiệm nhỏ đã được tiến hành tại các thị trường mới nổi như Việt Nam

2) Cho đến nay, rất ít nghiên cứu thực nghiệm đã được tập trung vào điều tra khả năng các thông tin báo cáo tài chính để xác định phá sản và không phá sản trong các công ty Việt Nam

3 PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU

Tiêu chuẩn chọn mẫu như sau:

Bao gồm tất cả các công ty niêm yết trên sàn chứng khoán HOSE và HXN và được phân loại như công nghiệp và hoặc phi công nghiệp (không bao gồm các ngân hàng

và tổ chức tài chính khác) Lý do tại sao các công ty niêm yết công khai được lựa

chọn là có khó khăn trong việc tiếp cận dữ liệu báo cáo tài chính của doanh nghiệp

tư nhân Việt Nam có cổ phiếu không được giao dịch công khai Các ngân hàng và

tổ chức tài chính khác được loại trừ khỏi nghiên cứu vì báo cáo tài chính được lập trên cơ sở khác với các công ty phi tài chính

Một mẫu trong nghiên cứu dự báo kiệt quệ tài chính bao gồm cả các công ty phá sản

và không phá sản

Các công ty được chọn vào nhóm mẫu phá sản phải đáp ứng các tiêu chí sau:

a) Các công ty đã được niêm yết tại HOSE và HXN Mặc dù vậy, các doanh nghiệp

đã được hủy bỏ niêm yết để sáp nhập đã bị loại khỏi nhóm mẫu phá sản

b) Các doanh nghiệp phải được phân loại như công nghiệp hoặc phi công nghiệp Các ngân hàng và tổ chức tài chính khác bị loại khỏi bộ dữ liệu do những khác biệt trong báo cáo báo cáo tài chính

Các công ty phải đã phá sản từ năm 2008 đến tháng 9 năm 2013 Thời kỳ này được

chọn bởi vì nghiên cứu này nhằm mục đích điều tra doanh nghiệp thất bại gần đây

của các công ty Việt Nam trong giai đoạn hậu khủng hoảng tài chính Giai đoạn nói trên đại diện cho khoảng thời gian mà các công ty đã phá sản nhưng dữ liệu báo cáo tài chính của các doanh nghiệp này lên đến năm năm trước khi thất bại được thu

thập Do đó, một loạt các dữ liệu báo cáo tài chính 11 năm (2003-2012) đã được sử

dụng trong nghiên cứu này

Để điều tra về khả năng tiên đoán của dữ liệu báo cáo tài chính cho phá sản doanh nghiệp, cả hai nhóm công ty phá sản và không phá sản là bắt buộc Một mẫu có

chứa chỉ những doanh nghiệp phá sản sẽ là không đủ cho nghiên cứu này vì tỷ lệ các biện pháp truyền thống được sử dụng, ví dụ như phân tích tỷ lệ so sánh và phân tích tỷ lệ xu hướng, cần phải so sánh và đối chiếu các chỉ tiêu tài chính của cả hai nhóm Lý do chủ yếu là các triệu chứng của các công ty không thể được đánh giá có

hiệu quả hơn bằng cách so sánh và đối chiếu chỉ tiêu tài chính của chúng với các công ty không phá sản

Tiêu chuẩn chọn công ty thuộc nhóm không thất bại:

1) Phù hợp với mỗi công ty phá sản với một công ty không phá sản bằng cách sử

dụng mã ngành xác định bởi HOSE và HXN

2) Tính toán quy mô tài sản trung bình của mỗi doanh nghiệp phá sản dựa trên các

dữ liệu sẵn có trong giai đoạn điều tra

3) Tính toán quy mô tài sản trung bình cho mỗi công ty không phá sản trong cùng ngành và thời gian điều tra tương tự

4) Chọn công ty không phá sản có quy mô tài sản gần bằng với công ty phá sản như

một đối tác ghép nối

Có hơn 50 công bị hủy niêm yết trên trên sàn chứng khoán HOSE và HNX trong giai đoạn từ năm 2008 đến tháng 9 năm 2013 Tuy nhiên, một số công ty bị loại ra

vì không đủ dữ liệu Ngoài ra, chỉ có những công ty có đủ 5 năm công bố dữ liệu

mới được chọn Vì vậy, mẫu được nghiên cứu chỉ có tổng cộng 38 công ty, trong đó

có 19 công ty bị hủy niêm yết và 19 công ty đang hoạt động bình thường Số liệu được lấy từ Báo cáo tài chính của các công ty niêm yết trên sàn chứng khoán HOSE

và HNX với 5 năm dữ liệu

B ảng 3.1: Danh sách các công ty trong mẫu nghiên cứu tại Việt Nam

Tên công ty không phá sản

1 TRI CTCP Nước giải khát Sài

3 VKP CTCP Nhựa Tân Hóa TPP CTCP Nhựa Tân Phú

4 BAS CTCP Basa SJ1 CTCP Thủy sản Số 1

5 VMG CTCP TM &DV D ầu khí

Vũng Tàu SFC CTCP Nhiên liệu Sài Gòn

6 VSP CTCP Vận tải biển và Bất

động sản Việt Hải VIP CTCP Vận tải Xăng dầu VIPCO

7 CAD CTCP Chế biến và Xuất

nhập khẩu Thủy sản CADOVIMEX

ICF CTCP Đầu tư Thương mại Thủy Sản

8 DCC CTCP Xây dựng Công

nghiệp DESCON S55 CTCP Sông Đà 5.05

9 FPC CTCP Full Power BCE CTCP Xây dựng và Giao thông Bình

Dương

10 CIC CTCP Đầu tư và Xây

dựng COTEC C92 CTCP Xây dựng và Đầu tư 492

11 FBT CTCP Xuất nhập khẩu

Lâm Thủy sản Bến Tre AAM CTCP Thủy sản Mekong

12 GFC CTCP Thủy sản Gentraco ACL CTCP Xu ất nhập khẩu Thủy sản

Cửu Long An Giang

13 HBD CTCP Bao bì PP Bình

Dương DPC CTCP Nhựa Đà Nẵng

14 NTB CTCP Đầu tư Xây dựng

và Khai thác Công trình Giao thông 584

NBB CTCP Đầu tư Năm Bảy Bảy

19 VCH CTCP Đầu tư và Phát triển

Hạ tầng Vinaconex TIG CTCP Tập đoàn Đầu tư Thăng Long

3.2 MÔ HÌNH NGHIÊN C ỨU

Như đã nói ở phần phần 1, bài nghiên cứu này nhằm mục đích khám phá khả năng tiên đoán của các tỷ số tài chính trong việc phát hiện dấu hiệu kiệt quệ tài chính (chứ không phải để tìm ra phương pháp tốt nhất dự đoán phá sản doanh nghiệp) Phương pháp phân tích được sử dụng trong bài nghiên cứu này được áp dụng từ các nghiên cứu trước đó của Beaver (1966) và Blum (1974) trong việc sử dụng phương pháp so sánh tỷ lệ, phân tích tỷ lệ xu hướng và sử dụng mô hình phân tích đa biệt

thức để phân loại công ty lâm vào tình trạng kiệt quệ tài chính và công ty hoạt động

ổn định Thêm nữa, mô hình logit cũng được sử dụng Chi tiết các tiêu chí sẽ được

thảo luận như sau:

Phương pháp tỷ lệ so sánh và phân tích tỷ lệ xu hướng

Liên quan đến hai phương pháp này, các tỷ lệ tài chính sử dụng được phân chia thành bốn khu vực: các chỉ số thanh khoản, các chỉ số hiệu quả sử dụng tài sản, các

chỉ số lợi nhuận và cuối cùng là các chỉ số đòn bẩy tài chính Các chỉ số này được

quy định cụ thể như sau:

Các ch ỉ số thanh khoản: Nhóm này đo lường khả năng thanh toán nợ ngắn hạn của

doanh nghiệp Do đó các công ty có tỷ lệ thanh khoản cao sẽ ít có khả năng bị ảnh hưởng của kiệt quệ tài chính Ba chỉ số tài chính thường được dùng trong nhóm này là:

• T ỷ số thanh khoản hiện thời: Tỷ số này được tính bằng cách lấy giá trị tài

sản ngắn hạn chia cho nợ ngắn hạn Tỷ số thanh khoản hiện thời cho biết cứ

mỗi đồng nợ ngắn hạn mà doanh nghiệp đang giữ, thì doanh nghiệp có bao

nhiêu đồng tài sản lưu động có thể sử dụng để thanh toán

• T ỷ số thanh khoản nhanh: Tỷ số này nhằm đo khả năng huy động tài sản

lưu động của một doanh nghiệp để thanh toán ngay các khoản nợ ngắn hạn

của doanh nghiệp này Tỷ số này được tính bằng loại trừ hàng tồn kho ra

khỏi tài sản ngắn hạn sau đó chia cho nợ ngắn hạn

• V ốn luân chuyển/Tổng tài sản: Tỷ số này là một trong bốn tỷ số được sử

dụng trong mô hình EMS của Atlman Tỷ số này so sánh tài sản ngắn hạn ròng với tổng tài sản Vốn luân chuyển được tính bằng tài sản ngắn hạn trừ đi

nợ ngắn hạn

Các ch ỉ số hiệu quả sử dụng tài sản: Các tỷ số này đo lường khả năng sử dụng

hiệu quả tài sản Các tỷ lệ trong nhóm này sẽ trả lời cho câu hỏi: Một công ty quản

lý tài sản của mình hiệu quả như thế nào? Các tỷ lệ được sử dụng trong nhóm này là:

• T ỷ số doanh thu trên tài sản: Tỷ số này được tính bằng cách lấy doanh thu

chia cho tổng tài sản Tỷ số thể hiện mối quan hệ giữa tổng doanh thu với quy mô doanh nghiệp Tỷ số này tăng dần theo thời gian được coi là công ty

có một kết quả khả quan

• T ỷ số hoạt động: Tỷ số này được tính bằng tổng chi phí hoạt động trên

doanh thu Nó đo lường hiệu quả sử dụng chi phí hoạt động Việc giảm tỷ số này chỉ ra rằng công ty đã quản lý hiệu quả chi phí trong hoạt động kinh doanh của mình

• T ỷ số vòng quay hàng tồn kho: Tỷ số này được tính bằng doanh thu chia

cho hàng tồn kho Nó thể hiện tốc độ quay vòng của hàng tồn kho là nhanh hay chậm Tỷ số này là quan trọng vì nếu vòng quay của hàng tồn kho nhanh thì lợi nhuận cũng sẽ tăng theo

Các ch ỉ số đòn bẩy tài chính: Các tỷ số này để chỉ sự kết hợp giữa nợ phải trả và

vốn chủ sở hữu trong việc điều hành chính sách tài chính của doanh nghiệp Đòn

bẩy tài chính sẽ rất lớn trong các doanh nghiệp có tỷ trọng nợ phải trả cao hơn tỷ

trọng của vốn chủ sở hữu Ngược lại, đòn bẩy tài chính sẽ thấp khi tỷ trọng nợ phải

trả nhỏ hơn tỷ trọng của vốn chủ sở hữu Các tỷ lệ trong nhóm này là:

• T ỷ số nợ trên tổng tài sản: Tỷ số này được tính bằng cách lấy tổng nợ phải

trả trên tổng tài sản Tỷ số này cho biết có bao nhiêu phần trăm tài sản của

doanh nghiệp là từ đi vay Qua đây biết được khả năng tự chủ tài chính của doanh nghiệp Tỷ số này mà quá nhỏ, chứng tỏ doanh nghiệp vay ít Điều này có thể hàm ý doanh nghiệp có khả năng tự chủ tài chính cao

• T ỷ số nợ trên vốn chủ sở hữu (D/E): Tỷ số này được tính bằng cách lấy

tổng nợ phải trả chia cho tổng vốn chủ sở hữu Tỷ số này cho biết quan hệ

giữa vốn huy động bằng đi vay và vốn chủ sở hữu Tỷ số này nhỏ chứng tỏ doanh nghiệp ít phụ thuộc vào hình thức huy động vốn bằng vay nợ; có thể hàm ý doanh nghiệp chịu độ rủi ro thấp

• T ỷ số khả năng thanh toán lãi vay: Tỷ lệ này được tính bằng cách chia lợi

nhuận trước thuế và lãi vay (EBIT) cho lãi vay Hệ số khả năng thanh toán lãi vay cho biết mức độ lợi nhuận đảm bảo khả năng trả lãi như thế nào Nếu công ty quá yếu về mặt này, các chủ nợ có thể đi đến gây sức ép lên công ty,

thậm chí dẫn tới phá sản công ty

Các ch ỉ số lợi nhuận: Nhóm các chỉ số đo lường khả năng tạo ra lợi nhuận từ hoạt

động kinh doanh của công ty Các tỷ lệ thu hút sự chú ý của các bên liên quan bởi vì

tiền kiếm được từ lợi nhuận có thể được tái đầu tư vào một công ty trong thời gian

tới, chi trả cổ tức cho các cổ đông, và được sử dụng để trả hết tiền cho vay của các

chủ nợ Do đó, giá trị cao hơn của tỷ suất lợi nhuận có thể sẽ được kết hợp với khả năng thấp hơn của kiệt quệ tài chính Các chỉ số này bao gồm:

• T ỷ lệ lãi EBIT: Tỷ lệ lãi EBIT được tính bằng cách lấy lợi nhuận trước thuế

và lãi vay chia cho doanh thu Tỷ lệ lãi EBIT cho biết khả năng sinh lời trước chi phí lãi vay và chi phí thuế

• T ỷ suất sinh lợi trên doanh thu thuần: Tỷ suất sinh lợi trên doanh thu

thuần (ROS) được tính bằng cách lấy lợi nhuận sau thuế chia cho doanh thu thuần Tỷ suất này càng lớn thì hiệu quả hoạt động của doanh nghiệp càng

cao

• T ỷ số lợi nhuận ròng trên tài sản (ROA): là một chỉ số thể hiện tương

quan giữa mức sinh lợi của một công ty so với tài sản của nó ROA được tính

bằng cách lấy thu nhập ròng chia cho tổng tài sản ROA sẽ cho ta biết hiệu

quả của công ty trong việc sử dụng tài sản để kiếm lời

• T ỷ số EBIT trên tổng tài sản: Tỷ số này được tính bằng cách lấy EBIT chia

cho tổng tài sản Đây là một trong bốn chỉ số trong mô hình EMS

• T ỷ số sinh lợi trên vốn cổ phần (ROE): Tỷ số này được tính bằng cách lấy

lợi nhuận ròng chia cho vốn cổ phần Tỷ số này quan trọng nhất đối với các

cổ đông vì nó đo lường khả năng sinh lợi trên mỗi đồng vốn của cổ đông

thường

• T ỷ số lợi nhuận giữ lại trên tổng tài sản: Là một trong bốn chỉ số của mô

hình EMS Tỷ lệ này đo lường mức độ của một công ty sử dụng các quỹ nội

bộ tích lũy từ hoạt động kinh doanh (vốn ít rủi ro)

Tổng cộng có 15 tỷ lệ và được tóm tắt bằng bảng 3.2 sau:

B ảng 3.2: Các tỷ số sử dụng trong phương pháp phân tích tỷ lệ và phân tích tỷ

quả sử dụng tài

sản

Tỷ số doanh thu trên tài sản Doanh thu/Tổng tài sản

Tỷ số vòng quay hàng tồn kho Doanh thu/Hàng tồn kho

Tỷ suất sinh lợi trên doanh thu thuần

Lợi nhuận ròng/Doanh thu

Tỷ số lợi nhuận ròng trên tài sản (ROA):

Lợi nhuận ròng/Tổng tài

sản

Tỷ số EBIT trên tổng tài sản EBIT/Tổng tài sản

Tỷ số sinh lợi trên vốn cổ phần (ROE):